感知器模型及其学习算法.docVIP

感知器模型及其学习算法 感知器模型及其学习算法 1 感知器模型 ? 感知器模型是美国学者罗森勃拉特（Rosenblatt）为研究大脑的存储、学习和认知过程而提出的一类具有自学习能力的神经网络模型，它把神经网络的研究从纯理论探讨引向了从工程上的实现。 ? Rosenblatt提出的感知器模型是一个只有单层计算单元的前向神经网络，称为单层感知器。 2 单层感知器模型的学习算法 ? 算法思想：首先把连接权和阈值初始化为较小的非零随机数，然后把有n个连接权值的输入送入网络，经加权运算处理，得到的输出如果与所期望的输出有较大的差别，就对连接权值参数按照某种算法进行自动调整，经过多次反复，直到所得到的输出与所期望的输出间的差别满足要求为止。 ? 为简单起见，仅考虑只有一个输出的简单情况。设xi(t)是时刻t感知器的输入（i=1,2,......,n），ωi(t)是相应的连接权值，y(t)是实际的输出，d(t)是所期望的输出，且感知器的输出或者为1，或者为0。 3 线性不可分问题 ? 单层感知器不能表达的问题被称为线性不可分问题。 1969年，明斯基证明了“异或”问题是线性不可分问题： “异或”（XOR）运算的定义如下： 由于单层感知器的输出为 y(x1,x2)=f(ω